I.1Поиск и навигация по информации

timm/vit_so400m_patch16_siglip_256.v2_webli — визуальный энкодер семейства SigLIP 2 на архитектуре ViT с патчами 16 пикселей, предназначенный для библиотеки timm. Это только часть модели, отвечающая за изображения; она соответствует визуальному энкодеру мультимодальной модели SigLIP 2. Модель обучена на наборе данных WebLI. Основное назначение — извлечение признаковых представлений изображений для последующего поиска, сопоставления или анализа. Репозиторий содержит веса PyTorch и SafeTensors и распространяется по лицензии Apache-2.0. Модель принимает изображения и выдаёт векторы признаков; языковая часть SigLIP в этот чекпойнт не входит.

Wiederchat-7b — немецкоязычная чат-модель на архитектуре Mistral, созданная Johann Hartmann объединением трёх моделей с помощью LazyMergekit: mlabonne/OmniTruthyBeagle-7B-v0, mayflowergmbh/Wiedervereinigung-7b-dpo-laser и cognitivecomputations/openchat-3.5-0106-laser. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалогов на немецком языке. В README приведены результаты mt-bench-de: средняя оценка 7,13, с более высокими результатами в гуманитарных темах, письме, извлечении информации и STEM, чем в математике и программировании. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

DAMO-NLP-SG разработала zero-shot-модель классификации текста на основе XLM-RoBERTa. Модель дообучена методом SSTuning: на неразмеченных англоязычных данных она учится предсказывать индекс метки с помощью задачи First Sentence Prediction. В архитектуре XLMRobertaForSequenceClassification около 305,2 млн параметров; модель принимает текст и названия классов и выдаёт оценки классов. Контекст составляет до 514 токенов. Модель предназначена для классификации без дополнительного дообучения, например для анализа тональности и определения тематики. В README указано, что она обучалась на 20,48 млн примеров на английском языке, но может применяться и на других языках, поддерживаемых XLM-RoBERTa. Рекомендуемое число меток — от 2 до 20. Распространяется по лицензии MIT.

all-MiniLM-L6-v2-code-search-512 — компактная модель Sentence Transformers, дообученная для семантического поиска по коду. Она преобразует текстовые запросы на естественном языке и фрагменты исходного кода в векторы общего пространства, чтобы находить подходящие участки кода, сопоставлять код с документацией и сравнивать фрагменты. Модель разработана автором репозитория isuruwijesiri на основе sentence-transformers/all-MiniLM-L6-v2 и обучена на парах кода и документации из CodeSearchNet. Это плотный энкодер архитектуры BERT с 25,9 млн параметров по метаданным. Максимальная длина входа — 512 токенов; поддерживаются запросы на естественном языке и код на Python, Java, JavaScript, PHP, Ruby, Go и других языках из CodeSearchNet. В README для валидационной выборки CodeSearchNet заявлены Accuracy@1 90,3% и MRR@10 0,9259. Модель подходит для поиска кода, поиска по документации, сопоставления запросов и фрагментов кода, а также кластеризации по сходству. Она предназначена для получения эмбеддингов и оценки семантического сходства, а не для генерации или автодополнения кода; входы длиннее 512 токенов обрезаются, а качество может различаться между языками программирования. Лицензия — Apache-2.0.

F1ow421/all-MiniLM-L6-v2-ru-hnp — русскоязычная доменно-адаптированная версия sentence-transformers/all-MiniLM-L6-v2, дообученная автором репозитория на 20 000 триплетов из набора deepvk/ru-HNP с функцией потерь TripletLoss. Это компактная модель на архитектуре BERT с 25,9 млн параметров; она преобразует предложения в эмбеддинги для сравнения смысловой близости и поиска парафраз. Модель рассчитана на русский язык, использует библиотеку sentence-transformers и принимает последовательности длиной до 512 токенов. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. В README приведена оценка на RuBQ Retrieval: Recall@5 и Recall@10 составили 0,36%, ниже показателей базовой модели. Автор связывает это с различием между обучением на симметричном поиске парафраз коротких предложений и оценкой на асимметричном поиске ответов по Википедии. Поэтому результаты не подтверждают пригодность модели для вопросно-ответного поиска такого типа; перед применением в конкретной задаче качество стоит оценить на целевых данных.

Карточка модели fatymahaly/bart-large-mnli на Hugging Face совпадает с карточкой facebook/bart-large-mnli, поэтому описание составлено по ней. facebook/bart-large-mnli — контрольная точка BART-large от Facebook, дообученная на датасете MultiNLI для распознавания отношений логического следования между текстами. Модель применяют для классификации без заранее заданного набора классов: исходный текст рассматривается как предпосылка, а для каждой кандидатной метки формируется гипотеза, например «Этот текст о политике». Вероятности следования и противоречия преобразуются в оценки меток. Модель подходит для тематической классификации, маршрутизации текстов по пользовательским категориям и других задач, где нужно оценить соответствие текста произвольным меткам. Архитектура — BART-large с классификатором последовательностей, размер — 252,8 млн параметров, контекст — до 1024 токенов. Репозиторий содержит варианты PyTorch, Flax и Safetensors. Лицензия — MIT. Качество зависит от формулировки кандидатных меток и гипотез, а также от того, насколько задача соответствует обучению на MNLI; оценки модели не гарантируют правильную классификацию. Для нескольких одновременно верных меток предусмотрен режим независимой оценки каждого класса.

Карточка модели katanemo/bart-large-mnli на Hugging Face совпадает с карточкой facebook/bart-large-mnli, поэтому описание составлено по ней. facebook/bart-large-mnli — контрольная точка BART-large от Facebook, дообученная на датасете MultiNLI для распознавания отношений логического следования между текстами. Модель применяют для классификации без заранее заданного набора классов: исходный текст рассматривается как предпосылка, а для каждой кандидатной метки формируется гипотеза, например «Этот текст о политике». Вероятности следования и противоречия преобразуются в оценки меток. Модель подходит для тематической классификации, маршрутизации текстов по пользовательским категориям и других задач, где нужно оценить соответствие текста произвольным меткам. Архитектура — BART-large с классификатором последовательностей, размер — 252,8 млн параметров, контекст — до 1024 токенов. Репозиторий содержит варианты PyTorch, Flax и Safetensors. Лицензия — MIT. Качество зависит от формулировки кандидатных меток и гипотез, а также от того, насколько задача соответствует обучению на MNLI; оценки модели не гарантируют правильную классификацию. Для нескольких одновременно верных меток предусмотрен режим независимой оценки каждого класса.

BigBird-base — предварительно обученная языковая модель, разработанная командой Google Research и представленная в исследовательской работе о разреженном внимании. Это плотный Transformer с блочно-разреженным вниманием; модель содержит около 151,9 млн параметров и принимает последовательности длиной до 4096 токенов. Доступны веса PyTorch и Flax, лицензия — Apache 2.0. Модель обучена на английском языке с целью masked language modeling на корпусах Books, CC-News, Stories и Wikipedia. Она рассчитана на получение признаковых представлений текста и служит базой для дообучения задач обработки длинных документов; архитектура BigBird снижает вычислительную стоимость внимания по сравнению с обычным полным вниманием и подходит для длинного контекста. Модель сама по себе не является готовым чат-ботом или специализированной системой суммаризации и ответов на вопросы: для прикладных задач обычно требуется подходящая голова задачи или дообучение. Основной язык — английский; лицензия Apache 2.0 разрешает использование и модификацию на её условиях.

Canopy-258M-R3 v3 — компактная языковая модель семейства Canopy от psikosen, предназначенная для браузерной автоматизации и работы на устройствах с ограниченными ресурсами. Авторская карточка описывает её как рекуррентную Mixture-of-Experts-модель для выполнения действий в браузере, включая заполнение форм, обработку динамических полей и извлечение структурированных данных со страниц. В примерах показаны генерация кода и управление браузером через отдельный инструментальный пакет. В метаданных указаны 136,8 млн параметров, архитектура CanopyForCausalLM, поддержка чата и кода, формат safetensors и библиотека Transformers. README заявляет об ускорении браузерных сценариев, но не приводит независимых результатов оценки. Модель работает с текстовыми запросами и генерирует текст; её карточка указывает английский язык. Лицензия Apache 2.0.

psikosen/canopy-258m-r3-v4 — компактная генеративная модель семейства Canopy, представленная как модель для рассуждений на периферийных устройствах и автоматизации браузера. В README описана архитектура рекуррентной смеси экспертов (MoE), однако метаданные указывают класс CanopyForCausalLM и 136,8 млн параметров; поэтому размер и точные архитектурные детали в источниках расходятся. Согласно README, модель ориентирована на генерацию текста, многошаговые рассуждения и выполнение действий в браузере, включая заполнение форм и цепочки действий. В карточке заявлены ограничение памяти KV-кэша при длинных последовательностях и ускорение генерации и браузерных операций; эти показатели приведены самим автором и независимая проверка в предоставленных данных отсутствует. Метаданные указывают английский язык и поддержку чата и кода. Модель распространяется под лицензией Apache-2.0.

apple/DFN-public — контрастивная модель CLIP ViT-B/32 от Apple, обученная на общедоступных данных Conceptual Captions 12M, Conceptual Captions 3M и Shutterstock 15M. В ходе обучения модель обработала 1,28 млрд примеров. Она сопоставляет изображения и текст и предназначена для классификации изображений по текстовым описаниям без дополнительного обучения: пользователь задаёт варианты классов, а модель оценивает соответствие изображения каждому из них. Модель подходит для быстрой разметки изображений по заданным категориям и поиска изображений по текстовым запросам. Это конверсия исходных контрольных точек JAX в PyTorch; в метаданных указана лицензия apple-amlr. README не приводит подробных ограничений точности или перечня поддерживаемых языков, поэтому результаты следует проверять для конкретных данных и формулировок.

Donut base — модель семейства Donut, представленная командой NAVER CLOVA в работе «OCR-free Document Understanding Transformer». Это дообученная на RVL-CDIP модель архитектуры vision-encoder-decoder: визуальный энкодер Swin Transformer кодирует изображение документа, а декодер BART авторегрессионно формирует текстовый результат. Модель предназначена для понимания изображений документов и дообучена на задаче классификации документов RVL-CDIP. Её можно применять для извлечения текстового представления из изображения документа и сценариев классификации документов. Поддерживается обработка изображений с генерацией текста; модель рассчитана на англоязычный набор RVL-CDIP. Модель распространяется в формате PyTorch по лицензии MIT. Карточка указывает дообучение на RVL-CDIP, однако не приводит подробных оценок качества или ограничений за пределами этого набора данных.

Dorna-Llama3-8B-Instruct — диалоговая модель семейства Dorna, разработанная Part AI на основе Meta Llama 3 Instruct и дообученная на персоязычных данных. Это декодерная модель с 8 млрд параметров для генерации ответов и ведения диалога; поддерживает персидский и английский языки. Модель предназначена для ответов на вопросы, генерации кода и длинных ответов, математических задач, работы с новостными вопросами, перефразирования, общих знаний и суммаризации. В README приведены результаты человеческой и автоматической оценки на этих категориях, однако они не гарантируют качество для каждого запроса. Для запуска описан сценарий инференса через Transformers Auto и функцию generate(). Модель распространяется по лицензии Llama 3 (llama3); перед использованием следует учитывать её условия.

Gist — мультиязычная модель Desert Ant Labs для присвоения тем и тегов публикациям и статьям. Она классифицирует текст по фиксированной таксономии из 36 тем и поддерживает многометочную выдачу: для одного материала обычно выбирают две или три темы по их вероятностям. Темы сопоставлены с IAB Content Taxonomy 2.2 и категориями Apple Podcasts. Модель принимает заголовок, публикацию или описание на одном из 101 языка и выдаёт вероятности для 36 тем. Это компактный двухпоточный классификатор со статическими эмбеддингами и хешированными n-граммами; при инференсе трансформер не используется. Мультиязычная сборка занимает 74 МБ и предназначена для локального запуска на устройствах; доступны форматы Core ML и LiteRT/TFLite. В README также описана англоязычная сборка размером 15 МБ, ограниченная английским языком и латинским письмом. Модель рассчитана на короткие тексты: публикации, заголовки и описания. В проверке на 15 языках указана точность попадания правильной темы в топ-3 на уровне 88%; оценка проводилась на 572 размеченных публикациях. Указанная в README лицензия и условия распространения в предоставленных данных не раскрыты, поэтому их нельзя установить.

cyberagent/Llama-3.1-70B-Japanese-Instruct-2407 — японская модель для диалогов и генерации текста, разработанная Рёсукэ Исигами. Это модель семейства Llama 3.1 с плотной архитектурой LlamaForCausalLM и 69,5 млрд параметров; она создана на основе meta-llama/Meta-Llama-3.1-70B-Instruct путём дополнительного предобучения на японском языке. Модель использует формат запросов Llama 3.1 и поддерживает контекст до 131 072 токенов. Модель предназначена для ответов на запросы и ведения диалога на японском и английском языках. Её можно применять в чат-ботах и для генерации текста с длинным контекстом. Репозиторий содержит веса в формате safetensors. Лицензия — llama3.1. README не описывает специализированные области применения или подробные ограничения качества.

ApolloRaines/Llama-3.1-8B-Instruct.immunized.v2 — дообученная модель на архитектуре Llama 3.1 от разработчика ApolloRaines с применением проприетарного конвейера jBlaze. Она предназначена для диалогов и генерации текста, в том числе в системах с поиском по документам и агентами, где важно снизить риск утечки приватного контекста из-за атак EchoLeak и связанных с ними prompt injection. По карточке, модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и рассчитана на английский язык. Доступны веса Safetensors и варианты GGUF в форматах F16 и нескольких уровнях квантования; заявлен стандартный интерфейс Transformers без дополнительных компонентов во время выполнения. Автор сообщает о результатах тестирования защиты: 100 из 100 атак в canary-наборе и 83 из 100 в более сложном наборе атак на ролевые сценарии. Это результаты конкретных тестов, а не гарантия защиты в реальном развертывании. По README, остальные классы атак, включая jailbreak, а также отказы и галлюцинации не изменены; в ролевом тесте остаётся уязвимым определённый сценарий с приватными данными в системном промпте. Лицензия — Llama 3.1.

Luxe_4B — плотная языковая модель семейства Llama от FourOhFour, созданная при участии участников Anthracite. Это производная модели Minitron: она прошла восстановительное дообучение и настройку для следования инструкциям на 70 млн качественных токенов. Модель предназначена для работы в роли универсального помощника и для ролевых диалогов. Модель содержит 3,9 млрд параметров, поддерживает контекст до 131 072 токенов и распространяется в формате Safetensors для Transformers. В README указано, что обучение проходило с контекстом 8 тыс. токенов; целевой контекст из метаданных больше. В карточке заявлен английский язык. Лицензия — Apache-2.0.

cloudyu/Meta-Llama-3-8B-Instruct-DPO — чат-модель на архитектуре Llama, дообученная методом Direct Preference Optimization (DPO). В README указано, что метрики улучшались с помощью Truthful DPO на наборе данных jondurbin/truthy-dpo-v0.1. Модель предназначена для диалоговой генерации текста; в метаданных Hugging Face указаны 7,5 млрд параметров, контекст до 8192 токенов и формат Safetensors. Модель может использоваться для ответов на вопросы, ведения диалогов и генерации текста с упором на правдивость ответов. В карточке указана лицензия CC; конкретный вариант лицензии в доступных данных не уточнён.

Motif-3-Mixed-Quant-GGUF — независимая конверсия модели Motif-3 от Motif Technologies, разработанная Baekpica. Это GGUF-артефакт для генерации текста на английском и корейском языках, предназначенный для локального запуска полноразмерной модели на оборудовании с примерно 128 ГБ унифицированной памяти, включая NVIDIA DGX Spark. Релиз не является официальным продуктом Motif Technologies. Модель построена на архитектуре Mixture-of-Experts с 314,8 млрд параметров: 53 слоя, из которых 14 используют полный и 39 — SWA-вариант внимания GDLA. В каждой разреженной слоистой части сохранены все 384 маршрутизируемых эксперта с маршрутизацией top-8, а также общий эксперт; параметры не удалялись, эксперты и слои не отбрасывались. Применена смешанная квантизация, итоговый размер составляет 94,16 ГБ, или 87,70 GiB, в 11 файлах. Заявленный исходный предел контекста — 262 144 токена. Сильной стороной модели является сохранение полной топологии и возможность запуска на ограниченном по памяти оборудовании. Для ds4-dfm заявлена проверка работы с контекстом до 262 080 токенов на одном DGX Spark, включая многооконный режим, а также поддержка OpenAI- и Anthropic-совместимых серверных интерфейсов, инструментов, непрерывной пакетной обработки и retrieval-сценариев. При этом приведённые тесты подтверждают главным образом загрузку и серверное выполнение; качество ответов в README не оценивалось, а результаты зависят от конкретного оборудования, runtime и режима контекста. Лицензия модели — MIT.

ToPo-ToPo/Qwen3.8-27B-mlx-bf16 — конверсия мультимодальной модели Qwen/Qwen3.8-27B в формат MLX bfloat16 для запуска на компьютерах Apple Silicon. Модель использует архитектуру Qwen3_5ForConditionalGeneration с плотными весами; в неё входят языковая часть и модуль обработки изображений. Исходные веса конвертированы с помощью mlx-vlm 0.6.9, лицензия — Apache-2.0. Модель принимает текст и изображения и генерирует текст в диалоговых сценариях, включая анализ изображений и вызовы инструментов. В README подтверждены генерация по тексту и изображению, а также работа вызовов инструментов через OpenAI-совместимый шлюз. Производительность и потребление памяти зависят от оборудования; ускоритель MTP не включён в конверсию.

resnet50x4_clip.openai — модель CLIP с визуальным энкодером ResNet-50x4, распространяемая PyTorch Image Models (timm) в формате OpenCLIP. Она сопоставляет изображения и текстовые описания в общем пространстве признаков; модель предназначена, в частности, для классификации изображений по произвольным текстовым меткам без отдельного обучения на этих метках. Веса содержат 87,2 млн параметров и доступны в формате safetensors с точностью F32. Модель принимает изображения и текстовые запросы, а для классификации оценивает соответствие изображения предложенным описаниям. Её можно применять для поиска изображений по тексту и извлечения совместимых визуальных и текстовых признаков. Для загрузки предусмотрена библиотека OpenCLIP. Указанная лицензия репозитория — MIT; в доступных сведениях не приведены длина контекста или перечень поддерживаемых языков.

RoBERTo-v2 — модель классификации текста для определения боснийского, хорватского и сербского языков. Её разработал автор репозитория absltnull как дообученную версию absltnull/RoBERTo на основе XLM-RoBERTa Base. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает до 514 токенов. Веса сохранены в формате safetensors; лицензия — MIT. Модель предназначена прежде всего для определения языка в текстах на латинице, включая формальные и неформальные тексты. В README сообщается о точности около 87% на латинском тестировании; она лучше различает хорватский и сербский, чем боснийский, который чаще путает с ними. Для кириллицы модель не подходит: автор предупреждает о сильном смещении предсказаний в сторону сербского. Короткие и неоднозначные тексты, эмодзи, символы и тексты на языках вне этой языковой группы также могут приводить к ошибкам.

zeromodels/siglip2_base_p16_512 — конверсия модели Google SigLIP 2 Base Patch16 512 в реализацию на Keras 3 для библиотеки zeromodels. Модель сопоставляет изображения с текстовыми описаниями и поддерживает классификацию по текстовым меткам без специального обучения на целевом наборе классов: при инференсе ей передают изображения и текстовые подсказки. Размер входного изображения — 512 пикселей; мультиязычный токенизатор основан на словаре Gemma. Реализация работает с TensorFlow, PyTorch и JAX. SigLIP 2 использует sigmoid loss и предварительное обучение с подписями к изображениям, самодистилляцией и masked prediction, что улучшает семантическое понимание и плотные визуальные признаки. Модель подходит для zero-shot классификации и сопоставления изображения с текстом. Основана на google/siglip2-base-patch16-512; распространяется по лицензии Apache 2.0.

SigLIP 2 Base — модель визуального энкодера, разработанная Google. Она предназначена для сопоставления изображений и текста, классификации изображений по заданным текстовым меткам без специального дообучения, а также для использования в качестве визуального энкодера в мультимодальных моделях и других задачах компьютерного зрения. Модель относится к семейству SigLIP, имеет плотную архитектуру и доступна в формате safetensors для библиотеки Transformers. Предобучение выполнено на наборе WebLI с использованием объединённой схемы обучения, расширяющей подход SigLIP методами для улучшения семантического понимания, локализации и плотных визуальных признаков. README также указывает на пригодность модели для поиска соответствий между изображениями и текстом. Лицензия — Apache 2.0. Модель принимает изображения и текстовые кандидаты или запросы и выдаёт оценки соответствия, которые можно использовать для ранжирования меток и поиска пар изображение—текст. В карточке не приведены численный размер модели, длина контекста и перечень поддерживаемых естественных языков.

Карточка модели Veritone/siglip2-base-patch16-256 на Hugging Face совпадает с карточкой google/siglip2-base-patch16-256, поэтому описание составлено по ней. SigLIP 2 Base Patch16-256 — визуальный энкодер, разработанный Google. Модель обучена на наборе WebLI по унифицированной схеме предобучения SigLIP 2; в репозитории доступны веса Safetensors для Transformers. Размер изображения на входе — 256 пикселей, патч — 16 пикселей. Модель предназначена для классификации изображений по пользовательским текстовым меткам и поиска соответствий между изображениями и текстом. Её также можно использовать как визуальный энкодер для VLM и других задач компьютерного зрения. Лицензия — Apache-2.0. README описывает улучшенное семантическое понимание, локализацию и плотные визуальные признаки как цели SigLIP 2. В карточке нет сведений о поддерживаемых естественных языках или длине контекста. Для классификации необходимо передавать изображение и варианты меток; сама модель не является диалоговой генеративной VLM.

Карточка модели Veritone/siglip2-base-patch16-384 на Hugging Face совпадает с карточкой google/siglip2-base-patch16-384, поэтому описание составлено по ней. SigLIP 2 Base — базовая модель семейства SigLIP 2 от Google, предназначенная для сопоставления изображений и текста. Это плотная vision-архитектура; вариант patch16-384 принимает изображения с разрешением 384 пикселя и обучен на датасете WebLI с использованием объединённой схемы предобучения SigLIP и ранее разработанных методов. Модель подходит для классификации изображений по произвольным текстовым меткам без дополнительного обучения, поиска изображений по тексту и текста по изображению, а также как визуальный энкодер для VLM и других компьютерно-зрительных задач. В README отмечены улучшенное семантическое понимание, локализация и извлечение плотных признаков. Модель распространяется под лицензией Apache-2.0. README не приводит численный размер модели или результаты оценки, поэтому их нельзя уточнить по доступным сведениям.

SigLIP 2 Base — модель компьютерного зрения от Google, предназначенная для сопоставления изображений с текстовыми описаниями. Она использует архитектуру SigLIP и обучена на наборе WebLI. Вариант patch32-256 принимает изображения и текстовые метки-кандидаты для классификации без дообучения; модель также подходит для поиска изображений по тексту и как визуальный энкодер для мультимодальных моделей. Модель рассчитана на задачи семантического понимания изображений, локализации и получения плотных визуальных признаков. Для её использования доступны веса в формате safetensors и библиотека Transformers. Лицензия Apache-2.0 разрешает свободное использование и распространение при соблюдении её условий.

TIPS So400m/14 (v1) — контрастивная модель «изображение–текст» семейства TIPS, представленная в карточке как конверсия официальных чекпойнтов. Она объединяет визуальный энкодер ViT-So400m/14 с 27 слоями и текстовый трансформер с 27 слоями; размерность эмбеддингов — 1024, нативное разрешение — 448 пикселей. Визуальные признаки учитывают пространственную структуру изображения и сопоставляются с текстовыми эмбеддингами. Модель предназначена для классификации изображений по текстовым описаниям без специального обучения на заданных классах, а также для извлечения сопоставимых признаков изображений и текста. Можно кодировать изображения с разрешением 448 и другими размерами, кратными размеру патча, с интерполяцией позиционных эмбеддингов. Для изображений требуется диапазон значений [0, 1] без нормализации ImageNet; текст обрабатывается токенизатором SentencePiece в нижнем регистре, максимум 64 токена. В README также приведены варианты S/14, B/14 и L/14; данная карточка относится к варианту So400m/14, для которого README указывает 413 млн визуальных и 448 млн текстовых параметров. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Модель asahi417/tner-xlm-roberta-base-ontonotes5 разработана Асахи Усио и представляет собой XLM-RoBERTa, дообученную для распознавания именованных сущностей методом классификации токенов. Она предназначена для выделения в английском тексте сущностей и отнесения их к классам людей, организаций, мест и прочих объектов; выходные метки используют схему BIO. Модель основана на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров. Максимальная длина контекста — 514 токенов. Её можно применять напрямую для NER или вместе с библиотекой tner. В карточке указана только поддержка английского языка. Предсказания могут отражать стереотипы и предвзятость в отношении защищённых групп и социальных характеристик. Лицензия в карточке не определена, поэтому условия использования следует уточнить у автора модели.

cyttic/trocr-webfonts8-BY — дообученная модель cyttic/exp2-frozen-benyehuda-cont для преобразования изображений с текстом в текст. Она построена на архитектуре vision-encoder-decoder и предназначена для распознавания текста на изображениях; карточка сообщает о дообучении на наборе данных, который не описан. В оценке указаны Loss 0,6037, CER 0,0307 и WER 0,0885. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.